Prompting für Claude Fable 5

Dieser Leitfaden behandelt die Prompting- und Scaffolding-Muster, die spezifisch für Claude Fable 5 und Claude Mythos 5 sind. Informationen zu den Fähigkeiten des Modells, API-Änderungen, Preisen und Verfügbarkeit findest du unter Einführung in Claude Fable 5 und Claude Mythos 5. Techniken, die für alle aktuellen Claude-Modelle gelten, findest du unter Best Practices für Prompting.

Claude Fable 5 bewältigt Probleme, die für frühere Modelle zu komplex, zu langwierig oder zu mehrdeutig waren, und ist besonders effektiv bei End-to-End-Arbeiten, für die ein Mensch Stunden, Tage oder Wochen benötigt. Die Teams mit den besten Ergebnissen setzen Claude Fable 5 auf ihre schwierigsten ungelösten Probleme an; wenn man es nur mit einfacheren Workloads testet, unterschätzt man tendenziell seinen Fähigkeitsbereich. Es funktioniert auch bei einfacheren Aufgaben zuverlässig.

Claude Fable 5 weist mehrere Verhaltensunterschiede zu Claude Opus 4.8 auf, die möglicherweise Anpassungen an Prompts oder Scaffolding erfordern. Fähigkeitsverbesserungen auf diesem Niveau sind auch ein guter Anlass, neu zu bewerten, welche Anweisungen, Tools und Guardrails noch benötigt werden. Die folgenden Muster decken die Verhaltensweisen ab, die am häufigsten eine Feinabstimmung erfordern.



Fähigkeitsverbesserungen

Im Vergleich zu Claude Opus 4.8 zeigt Claude Fable 5 Verbesserungen in folgenden Bereichen:

• Langfristige Autonomie. Claude Fable 5 hält produktive Ausgaben über längere Zeiträume aufrecht und schließt mehrtägige, zielgerichtete Durchläufe mit starker Beibehaltung von Anweisungen über lange, komplexe Aufgaben hinweg ab.
• Korrektheit beim ersten Versuch bei komplexen, gut spezifizierten Problemen. Frühe Tester berichteten von Single-Pass-Implementierungen von Systemen, die zuvor Tage der Iteration erforderten.
• Vision. Claude Fable 5 interpretiert dichte technische Bilder, Webanwendungen und detaillierte Screenshots mit deutlich höherer Genauigkeit, oft bei gleichzeitig weniger Output-Token, und ist darauf trainiert, Bash- und Crop-Tools zu verwenden, um gespiegelte, unscharfe oder verrauschte Bilder zu verarbeiten.
• Enterprise-Workflows. Claude Fable 5 befolgt Anweisungen, bleibt im Rahmen und liefert professionelle Ergebnisse bei Finanzanalysen, Tabellenkalkulationen, Präsentationen und Dokumenten.
• Code-Review und Debugging. Die Trefferquote beim Finden von Bugs (außerhalb der Cybersecurity-Domänen, die die Sicherheitsklassifikatoren abdecken) ist deutlich höher als bei Claude Opus 4.8, einschließlich der Suche über Codebasen und Repository-Historie hinweg.
• Umgang mit Mehrdeutigkeit. Claude Fable 5 schneidet gut ab, wenn es komplexe, mehrsträngige Anfragen erhält und die nächsten Schritte bestimmen soll.
• Delegation und Zusammenarbeit. Claude Fable 5 ist deutlich zuverlässiger beim Starten und Aufrechterhalten paralleler Subagenten und verwaltet die laufende Kommunikation mit langlaufenden Subagenten und Peer-Agenten zuverlässig.

Über diese spezifischen Verbesserungen hinaus ist Claude Fable 5 bei fast allen Aufgaben generell leistungsfähiger als frühere Modelle. Claude Fable 5 ist nicht für offensive Cybersecurity oder Arbeiten in Biologie und Biowissenschaften vorgesehen; Anfragen in diesen Domänen können stop_reason: "refusal" zurückgeben.



Standardmäßig längere Turns

Einzelne Anfragen bei schwierigen Aufgaben können bei höheren Effort-Einstellungen viele Minuten laufen, insbesondere wenn die Aufgabe das Sammeln von Kontext, das Erstellen und die Selbstverifizierung erfordert, und autonome Durchläufe können sich über Stunden erstrecken. Dies ist eine der größten Umstellungen, auf die Teams bei der Anpassung an Claude Fable 5 stoßen. Passe Client-Timeouts, Streaming und benutzerseitige Fortschrittsanzeigen vor der Migration an und erwäge, Harnesses so umzustrukturieren, dass sie Durchläufe asynchron überprüfen, zum Beispiel über geplante Jobs, anstatt zu blockieren. Um zu verhindern, dass Claude Fable 5 bei einer mehrdeutigen Aufgabe zu viel plant:

When you have enough information to act, act. Do not re-derive facts already established in the conversation, re-litigate a decision the user has already made, or narrate options you will not pursue in user-facing messages. If you are weighing a choice, give a recommendation, not an exhaustive survey. This does not apply to thinking blocks.



Alle Effort-Stufen in Betracht ziehen

Effort (Aufwand) ist die primäre Steuerung für den Kompromiss zwischen Intelligenz, Latenz und Kosten bei Claude Fable 5. Verwende high als Standard für die meisten Aufgaben, xhigh für die fähigkeitssensitivsten Workloads und medium oder low für Routinearbeiten. Niedrigere Effort-Einstellungen bei Claude Fable 5 funktionieren immer noch gut und übertreffen oft die xhigh-Leistung früherer Modelle. Reduziere den Effort, wenn eine Aufgabe abgeschlossen wird, aber länger als nötig dauert, oder wenn du einen schnelleren, interaktiveren Arbeitsstil möchtest.

Bei Routinearbeiten mit höherem Effort kann Claude Fable 5 mehr Kontext sammeln und länger abwägen, als die Aufgabe erfordert. Gleichzeitig führt höherer Effort oft zu exzellentem Verifizierungsverhalten, anspruchsvollem Reasoning und den gründlichsten Ergebnissen. Um unaufgefordertes Aufräumen oder Refactoring bei höherem Effort zu verhindern:

Don't add features, refactor, or introduce abstractions beyond what the task requires. A bug fix doesn't need surrounding cleanup and a one-shot operation usually doesn't need a helper. Don't design for hypothetical future requirements: do the simplest thing that works well. Avoid premature abstraction and half-finished implementations. Don't add error handling, fallbacks, or validation for scenarios that cannot happen. Trust internal code and framework guarantees. Only validate at system boundaries (user input, external APIs). Don't use feature flags or backwards-compatibility shims when you can just change the code.



Starke Befolgung von Anweisungen

Die Befolgung von Anweisungen ist so stark verbessert, dass du die meisten Verhaltensweisen mit einer kurzen Anweisung steuern kannst, anstatt jedes Verhalten einzeln aufzuzählen. Zum Beispiel kann Claude Fable 5 ohne Steuerung über das hinausgehen, was die Aufgabe erfordert, besonders bei höheren Effort-Einstellungen: Optionen durchgehen, die es nicht verfolgen wird, Ursachen ausführlich erklären, stark strukturierte PR-Beschreibungen erstellen oder Kommentare schreiben, die erzählen, was die nächste Zeile tut. Eine kurze Anweisung zur Kürze ist genauso effektiv wie das Auflisten jedes einzelnen Musters:

Lead with the outcome. Your first sentence after finishing should answer "what happened" or "what did you find": the thing the user would ask for if they said "just give me the TLDR." Supporting detail and reasoning come after. Being readable and being concise are different things, and readability matters more.

The way to keep output short is to be selective about what you include (drop details that don't change what the reader would do next), not to compress the writing into fragments, abbreviations, arrow chains like A → B → fails, or jargon.

Dasselbe gilt für das Checkpoint-Verhalten in langlaufenden Workflows. Damit Claude Fable 5 nur dort anhält, wo es dich wirklich braucht, ist es nicht nötig, jeden Fall aufzuzählen:

Pause for the user only when the work genuinely requires them: a destructive or irreversible action, a real scope change, or input that only they can provide. If you hit one of these, ask and end the turn, rather than ending on a promise.



Fortschrittsangaben während langer Durchläufe absichern

Weise Claude Fable 5 bei langen autonomen Durchläufen an, den Fortschritt anhand tatsächlicher Tool-Ergebnisse zu überprüfen. In Anthropics Tests hat dies erfundene Statusberichte nahezu vollständig eliminiert, selbst bei Aufgaben, die darauf ausgelegt waren, solche hervorzurufen:

Before reporting progress, audit each claim against a tool result from this session. Only report work you can point to evidence for; if something is not yet verified, say so explicitly. Report outcomes faithfully: if tests fail, say so with the output; if a step was skipped, say that; when something is done and verified, state it plainly without hedging.



Die Grenzen festlegen

Claude Fable 5 kann gelegentlich unaufgeforderte Aktionen ausführen (eine E-Mail entwerfen, obwohl keine angefordert wurde, defensive Git-Branch-Backups erstellen). Definiere explizite Einschränkungen dafür, was Claude Fable 5 tun und nicht tun soll:

When the user is describing a problem, asking a question, or thinking out loud rather than requesting a change, the deliverable is your assessment. Report your findings and stop. Don't apply a fix until they ask for one. Before running a command that changes system state (restarts, deletes, config edits), check that the evidence actually supports that specific action. A signal that pattern-matches to a known failure may have a different cause.



Parallele Subagenten

Claude Fable 5 startet parallele Subagenten bereitwilliger als frühere Modelle. Verwende Subagenten häufig, gib explizite Anleitungen dazu, wann Delegation angemessen ist, und bevorzuge asynchrone Kommunikation zwischen Orchestrator und Subagenten gegenüber dem Blockieren, bis jeder Subagent zurückkehrt. Langlebige Subagenten, die ihren Kontext über Teilaufgaben hinweg behalten, sparen Zeit und Kosten durch Cache-Reads und vermeiden einen Engpass beim langsamsten Subagenten.

Delegate independent subtasks to subagents and keep working while they run. Intervene if a subagent goes off track or is missing relevant context.



Ein Memory-System aufbauen

Claude Fable 5 funktioniert besonders gut, wenn es Erkenntnisse aus früheren Durchläufen aufzeichnen und darauf zurückgreifen kann. Stelle einen Ort zum Schreiben von Notizen bereit, so einfach wie eine Markdown-Datei:

Store one lesson per file with a one-line summary at the top. Record corrections and confirmed approaches alike, including why they mattered. Don't save what the repo or chat history already records; update an existing note rather than creating a duplicate; delete notes that turn out to be wrong.

Um das Memory-System aus vorhandener Historie zu initialisieren, lass Claude Fable 5 vergangene Sitzungen durchgehen:

Reflect on the previous sessions we've had together. Use subagents to identify core themes and lessons, and store them in [X]. Make sure you know to reference [X] for future use.



Seltene Fälle von vorzeitigem Stoppen

Tief in einer langen Sitzung kann Claude Fable 5 gelegentlich einen Turn mit einer reinen Text-Absichtserklärung beenden („Ich werde jetzt X ausführen"), ohne den entsprechenden Tool-Aufruf auszugeben, oder pausieren, um um Erlaubnis zu bitten, obwohl es bereits genug hat, um fortzufahren. Ein „continue" oder „go ahead and do it end to end" genügt. Um zu definieren, wann Pausieren angemessen ist, kombiniere dies mit der Checkpoint-Anweisung unter Starke Befolgung von Anweisungen. Für autonome Pipelines füge eine System-Erinnerung hinzu:

You are operating autonomously. The user is not watching in real time and cannot answer questions mid-task, so asking "Want me to…?" or "Shall I…?" will block the work. For reversible actions that follow from the original request, proceed without asking. Offering follow-ups after the task is done is fine; asking permission after already discussing with the user before doing the work is not. Before ending your turn, check your last paragraph. If it is a plan, an analysis, a question, a list of next steps, or a promise about work you have not done ("I'll…", "let me know when…"), do that work now with tool calls. End your turn only when the task is complete or you are blocked on input only the user can provide.



Seltene Fälle von Sorge um das Kontext-Budget

In sehr langen Sitzungen kann Claude Fable 5 gelegentlich eine neue Sitzung vorschlagen, anbieten, zusammenzufassen und zu übergeben, oder seine eigene Arbeit kürzen. Dies wird am häufigsten ausgelöst, wenn das Harness dem Modell einen Countdown der verbleibenden Token anzeigt. Vermeide es nach Möglichkeit, explizite Kontext-Budget-Zählungen anzuzeigen. Wenn das Harness sie anzeigen muss, hilft eine Beruhigung:

You have ample context remaining. Do not stop, summarize, or suggest a new session on account of context limits. Continue the work.



Den Grund angeben, nicht nur die Anfrage

Claude Fable 5 schneidet tendenziell besser ab, wenn es die Absicht hinter einer Anfrage versteht: Kontext ermöglicht es ihm, die Aufgabe mit relevanten Informationen zu verknüpfen, anstatt die Absicht selbst zu erschließen. Gib Kontext dazu, warum du fragst, insbesondere bei langlaufenden Agenten, die auf mehrere Arbeitsstränge zurückgreifen:

I'm working on [the larger task] for [who it's for]. They need [what the output enables]. With that in mind: [request].



Lesbarkeit bei der Kommunikation mit dem Nutzer

In ausgedehnten oder agentischen Konversationen (viele Tool-Aufrufe, großer Arbeitskontext) kann Claude Fable 5 Text produzieren, der schwer zu folgen ist: dichte Pfeilketten-Kurzschrift, tiefe Implementierungsdetails, Verweise auf Denkprozesse, die der Nutzer nie gesehen hat, oder übermäßig technische Formulierungen. Ein Zusatz zum Kommunikationsstil mildert dies ab:

Terse shorthand is fine between tool calls (that's you thinking out loud, and brevity there is good). Your final summary is different: it's for a reader who didn't see any of that.

If you've been working for a while without the user watching (overnight, across many tool calls, since they last spoke), your final message is their first look at any of it. Write it as a re-grounding, not a continuation of your working thread: the outcome first, then the one or two things you need from them, each explained as if new. The vocabulary you built up while working is yours, not theirs; leave it behind unless you re-introduce it.

When you write the summary at the end, drop the working shorthand. Write complete sentences. Spell out terms. Don't use arrow chains, hyphen-stacked compounds, or labels you made up earlier. When you mention files, commits, flags, or other identifiers, give each one its own plain-language clause. Open with the outcome: one sentence on what happened or what you found. Then the supporting detail. If you have to choose between short and clear, choose clear.



Ein Send-to-User-Tool erstellen

Wenn du lange, asynchrone Agenten ausführst, gib dem Agenten eine Möglichkeit, eine Nachricht anzuzeigen, die der Nutzer genau wie geschrieben sehen muss, ohne seinen Turn zu beenden: ein Ergebnis (ein generierter Code-Snippet oder eine entworfene Nachricht), ein Fortschritts-Update mit konkreten Zahlen oder eine direkte Antwort auf eine Frage, die der Nutzer mitten in der Schleife gestellt hat. Der Input des Tools ist die anzuzeigende Nachricht; wenn Claude es aufruft, rendere den Input direkt in deiner UI und gib eine einfache Bestätigung als Tool-Ergebnis zurück. Tool-Inputs werden nie zusammengefasst, sodass der Inhalt unverändert ankommt.

{
  "name": "send_to_user",
  "description": "Display a message directly to the user. Use this for progress updates, partial results, or content the user must see exactly as written before the task finishes.",
  "input_schema": {
    "type": "object",
    "properties": {
      "message": {
        "type": "string",
        "description": "The content to display to the user."
      }
    },
    "required": ["message"]
  }
}

Füge dieses Tool hinzu, wann immer deine UX davon abhängt, Inhalte oder direkte Nutzerinteraktionen wortwörtlich mitten in der Aufgabe zu übermitteln. Für Agenten, die nur routinemäßigen Fortschritt erzählen, sind die eigenen Zusammenfassungen des Modells in der Regel ausreichend. Das Definieren des Tools allein reicht nicht aus; ohne eine Anweisung im System-Prompt ruft Claude Fable 5 es selten auf. Kombiniere das Tool mit einer Aufforderung wie:

Between tool calls, when you have content the user must read verbatim (a partial deliverable, a direct answer to their question), call the send_to_user tool with that content. Use send_to_user only for user-facing content, not for narration or reasoning.

Leite keine Erzählungen oder internes Reasoning über send_to_user; es für nicht nutzerseitige Inhalte übermäßig aufzurufen, verfehlt den Zweck.



Empfohlene Scaffolding-Änderungen

• Beginne am oberen Ende deines Schwierigkeitsbereichs. Wähle eine Aufgabe, die schwieriger ist als das, was du früheren Modellen zuweisen würdest, und lass Claude Fable 5 sie eingrenzen, klärende Fragen stellen und ausführen.
• Mache Selbstverifizierung in Prompts für lange Durchläufe explizit. Separate Verifizierer-Subagenten mit frischem Kontext übertreffen tendenziell die Selbstkritik. Für langlaufende Aufgaben weise an: Establish a method for checking your own work at an interval of [X] as you build. Run this every [X interval], verifying your work with subagents against the specification.
• Überarbeite bestehende Prompts und Skills. Skills, die für frühere Modelle entwickelt wurden, sind für Claude Fable 5 oft zu präskriptiv und können die Ausgabequalität verschlechtern. Überprüfe ältere Anweisungen und erwäge, sie zu entfernen, wenn die Standardleistung besser ist. Claude Fable 5 ist auch gut darin, Skills spontan basierend auf dem zu aktualisieren, was es aus der aktuellen Aufgabe lernt.
• Weise Claude nicht an, sein Reasoning in der Antwort zu reproduzieren. Prompts, Skills oder Harness-Anweisungen, die dem Modell sagen, sein internes Reasoning als Antworttext wiederzugeben, zu transkribieren oder zu erklären, können bei Claude Fable 5 die reasoning_extraction-Refusal-Kategorie auslösen und zu erhöhten Fallbacks auf Claude Opus 4.8 führen. Überprüfe bestehende Skills und System-Prompts bei der Migration auf Reflexions- oder Zeige-dein-Denken-Anweisungen. Wenn deine Anwendung Einblick in das Reasoning benötigt, lies stattdessen die strukturierten thinking-Blöcke aus dem adaptiven Denken und verwende ein Send-to-User-Tool, um während langer Durchläufe Fortschritt anzuzeigen.
• Erstelle ein Send-to-User-Tool. Für lange, asynchrone Agenten übermittelt ein clientseitiges Tool Nachrichten wortwörtlich an den Nutzer, ohne den Turn zu beenden. Siehe Ein Send-to-User-Tool erstellen.